结合压缩感知模型的稀疏阵列波束形成方法

发布时间：2020-12-10 10:30

　　本文从稀疏阵列入手,将稀疏阵列接收数据模型转化为更高自由度下的单快拍接收数据模型,并将压缩感知模型引入稀疏阵列信号处理问题中,从理论上证明了其可行性。在等效单快拍数据下,利用稀疏重构算法准确估计信源方位和功率,进而对传统MVDR波束形成器进行优化。仿真结果表明,采用压缩感知模型实现稀疏阵列的波束形成,能够将稀疏阵列和压缩感知算法两者的优势结合,在阵列阵元数较少的条件下达到更高的自由度,同时具备良好的波束形成器性能。 

【文章来源】：信号处理. 2020年04期 第475-485页 北大核心

【文章页数】：11 页

【部分图文】：

功率估计均方根误差与输入信噪比的关系

5.1.2 输出信干噪比与输入信噪比的关系从仿真结果中可以看出,随着输入信噪比的增加,对于稀疏阵列,采用Capon算法得到的输出信干噪比始终低于等效均匀直线阵列,大约相差5 dB,经过对角加载后,信噪比处于12 dB以内时,输出信干噪比可以达到理想水平,随着输入信噪比继续增大,输出信干噪比的损失开始增加;而采用稀疏阵列压缩感知算法,输出信干噪比的变化曲线与等效均匀直线阵列基本重合,达到了在提高自由度的同时,不损失波束形成器性能的理想效果。

入射信号个数K=11,入射角度以10°为间隔,分别位于(-50°,-10°)和(10°,60°)之间,其中10°方向的信号为目标信号,其余方向视作干扰。目标与干扰,干扰与干扰之间统计独立,信噪比和干噪比为10 dB,快拍数为10000。嵌套阵列的内层和外层的阵元数相等,每层子阵阵元数在4～12之间变化,阵元间距为半波长。仿真次数50次。仿真结果如图5～图6。图6 功率估计均方根误差与嵌套子阵阵元数的关系

【参考文献】：
硕士论文
[1]非均匀阵列的信号处理算法研究[D]. 干鹏.电子科技大学 2018
[2]压缩感知重构问题的凸优化算法研究[D]. 包颜颜.西安电子科技大学 2017



本文编号：2908546